基于改进小波神经网络的实时系统任务流量预测方法

针对当前航空装备实时系统对非周期实时任务无法预知难以实现可靠调度的困难,开展对航空装备实时系统非周期任务流量预测方法的研究。以小波神经网络为基础结合航空装备实时系统的特性建立任务流量预测模型,并提出利用人工鱼群算法对小波预测模型关键参数进行优化,避免陷入局部最优解,最终构建一种人工鱼群算法改进的小波神经网络任务流量预测系统。利用提出的预测模型开展实时任务流量预测对比仿真实验,实验结果表明,建立的基于改进小波神经网络的实时系统任务流量预测系统对非周期实时任务具有较高的预测精度,预测效果优于原始小波神经网络模型及T-S模糊神经网络模型。

一种航空装备实时系统任务快速调度方法

针对航空装备实时系统对多线程下实时任务快速调度的困难,提出了一种基于多层编码遗传算法并利用粒子群算法进行参数优化的实时系统任务快速调度方法。通过引入任务贡献矩阵,建立了以总消耗时间少和贡献值大的任务尽早完成为目标的染色体适应度值评价模型,避免重要任务的丢失。采用粒子群算法对多层编码遗传算法参数进行优化,避免陷入局部最优解,增加了收敛速度。最后对调度方法进行仿真验证,仿真结果表明,本文提出的实时系统任务快速调度模型与方法可以优化任务的执行时间,保障任务的顺利完成。通过对粒子群算法优化前和优化后的调度情况的对比,证明了优化后的模型的调度性能指标要优于参数优化前的模型,调度速度和调度效果明显提升。

英国某大学实时系统设计项目对自主学习能力培养的分析与借鉴

如何培养学生的自主学习能力是当今高校教育者急需重视的问题。本文分析了英国某大学嵌入式课程的实时系统设计项目,该项目对嵌入式实时系统的设计任务、测试方法、团队合作要求、考核评分标准、设计框架等进行了精细化设计。项目任务书按工程项目设计规范进行描述,从设计需求、设计步骤到评价标准逐步引导学生利用课后时间对实时系统项目设计进行探索式研究,使学生从单纯的知识接受者变成探索者,实现了自主学习能力的培养。

基于迁移学习的嵌入式实时系统缺陷研究

为了减少环境变化对软件缺陷评估的影响,提出了一种基于迁移学习的嵌入式实时控制系统软件缺陷评估方法。首先,选择缺陷软件测量指标;在此基础上,利用特征聚类技术将相关的索引特征划分为同一个聚类;然后,根据两项间特征的分布相似性,找到相关特征,去除分布差异较大的特征;最后,从源项目中选择高质量的特征,构建训练数据集,通过权重调整,从源项目中选择更好的评价数据,实现对软件缺陷的准确评价。映射结果目标明确,设计方法的评价结果的错误率在8.7%以内,具有良好的评价效果。

一种保障实时系统时间约束的处理器指令扩展

采用软硬件协同技术,通过必要的硬件语义实现资源隔离,基于高效的任务调度保障不同关键级别任务满足时间约束,是当前混合关键系统设计的有效方法之一。本研究基于时序可预测的细粒度多线程处理器FlexPRET,扩展设计实现时序指令,并分别在硬件和编译器中添加对扩展指令的支持,使得程序在代码中对最大执行时间进行时序约束语义描述。实验评测表明,所实现的扩展指令可为用户提供更精细的时序控制。

一种实时系统可调度性分析工具设计

面对航空电子系统高度综合化、模块化的要求,在系统设计中广泛采用符合ARINC653规范的分区系统模型。规范中要求系统采用分区间、分区内的两层调度结构,而在多分区、多任务、强实时性的复杂系统中,系统设计者难以在运行前判定系统的可调度性,从而带来系统不确定性。针对上述问题,通过分析ARINC653调度结构,提出影响系统可调度性的关键指标,基于某国产集成开发环境,设计了一种可调度性分析工具,通过解析配置文件、判断调度表合理性、计算调度表、输出调度表结果的方法得到系统可调度性分析结果,为判定系统可调度性提供了有效的支撑。

并行与分布硬实时系统的调度

一、前言实时系统是工作在时间约束下的系统,与一般计算机系统的主要区别是引入了时间概念,这大大地影响了系统的设计、验证和实现。实时系统不但要保证计算结果的逻辑正确性,而且要在规定的时间内完成计算。如果某个实时任务没有按时完成,则可能导致整个系统失败,甚至引起灾难性后果。这类实时系统被称为硬实时(hard real-time)系统。例如,核电厂或导弹控制系统等。

概率实时系统的确认

实时系统在运行过程中不可避免地会出现的部件故障的现象，此时它不可能完全满足系统的规约，因此实时系统中应充分考虑可靠性问题，本文以离散时段演算作为实时系统的逻辑，采用概率时间自动来描述实时系统的状态转换，通过构造向图的方法确认系统的正确性。

实时系统规范语言STeC的Maude重写系统

信息物理融合系统的网络化、系统化和信息化等特性使得软件系统的复杂程度不断增加。为此,引入实时系统的规范语言STeC,用于刻画具有时空一致性要求的实时系统。对于STeC语言的自动逻辑推理问题,通过拓展Maude中的关系等式和重写规则,将STeC语言转化为可执行的基于Maude的形式化描述,使用Maude自动推导功能,自动推导出系统的时间正确性。实例结果表明,该形式化描述语言Maude可有效对实时系统进行安全性验证。

复杂嵌入式实时系统体系结构设计与分析语言：AADL

首先归纳了AADL(architecture analysis and design language)的发展历程及其主要建模元素.其次,从模型驱动设计与实现的角度综述了AADL在不同阶段的研究与应用,总结了研究热点,分析了现有研究的不足,并对AADL的建模与分析工具、应用实践进行了概述.最后,探讨了AADL的发展与研究方向.

虚拟DCS技术与大型发电厂实时系统互联应用

结合虚拟DCS系统仿真控制技术,探讨了电厂集散控制系统DCS、信息系统SIS和仿真系统SIM这三大实时系统互联应用的可行性.实现三大实时系统互联的关键是使真实DCS和虚拟DCS的I/O接口数据和组态数据一一对应.虚拟DCS通过智能编译和真实DCS系统达到同步更新,SIS系统和SIM系统利用数据库比较技术和实时通信技术进行数据连接.充分利用虚拟DCS技术的高度逼真性和开放性,实现了三大实时系统的实时互联,可以完成数据分析、模型校验和参数优化等高级仿真功能,扩大了虚拟DCS控制系统的应用范围,提升了应用层次和仿真品质.

开放式实时系统的调度理论与方法分析

随着实时系统应用的日益广泛,多类型实时和非实时任务并存的情况给系统调度机制带来了新的需求和挑战.开放式实时系统的相关研究因为解决这一问题而受到关注,也为调度理论与方法带来了新的思路.在阐述了开放式实时系统的基本概念和理论的基础上,提出了一种调度对象的层次性模型,适用于开放式实时调度环境.对几种有代表性的相关方法进行了详细的比较研究,指出它们各自的功能特征和适用范围及其共同特征.把不同方法进行有机集成是可行的,也是一个发展方向,可以使各方法在集成的调度机制内各施所长,更适合于开放式实时系统的应用环境.

实时系统中的非定期任务调度算法综述

非定期任务调度是实时系统中的一个重要研究内容 综述了实时系统中非定期任务调度算法的研究与进展 ,按照这些算法的特征分为基于服务器的算法与基于空闲时间的算法两大类别 ,并着重对每个类别中的不同算法的特征与性能进行了分析 通过对这些算法的比较与分析 ,希望为实时系统的研究与开发者提供有意义的参考 。

多处理器实时系统可调度性分析的UPPAAL模型

随着多处理器实时系统在安全性攸关系统中的广泛应用,保证这类系统的正确性成为一项重要的工作.可调度性是实时系统正确性的一项关键性质.它表示系统必须满足的一些时间要求.传统的可调度性分析方法结论保守或者不完备,为了避免这些方法的缺陷,提出使用模型检测的方法来实现可调度性分析.提出了一个用于多处理器实时系统可调度性分析的模板,将与系统可调度性相关的部分包括实时任务、运行平台和调度管理模块都用时间自动机建模,并使用UPPAAL验证可调度的性质是否总被满足.符号化模型检测方法被用于推断可调度性,但是由于秒表触发的近似机制,符号化模型检测方法不能用于证明系统不可调度.作为补充,统计模型检测方法被用于估算系统不可调度的概率,并在系统不可调度时生成反例.此外,在系统可调度时,通过统计模型检测方法获取一些性能相关的信息.

多机多任务实时系统云调度策略

采用云方法对多机实时系统任务的重要性和任务处理的适时性进行分析 ,实时计算被激活任务的价值及其在不同资源条件下的作业执行时间 ,提出一种兼顾任务价值和作业执行时间两方面因素的新的调度策略——云调度策略 ,有效地解决了任务优先级的判定和任务处理适时性问题 ,提高了系统资源利用效率、运行质量和系统整体效能 .仿真证明 ,此策略优于现在广泛采用的固定优先级和先到先处理调度策略 .

基于主从异步复制技术的容灾实时系统研究与实现

介绍了一个实用的容灾实时系统SDPR 为提高系统的性能 ,SDPR采用严格的主从异步复制技术和多线程技术 实验表明 ,多线程技术和多进程技术能够较大地提高系统的性能 ,而且相比多进程技术 ,多线程技术所需的内存要少得多 详细探讨了采用多线程技术时怎样保证数据的一致性 SDPR系统不仅满足容灾系统设计准则 ,而且与Oracle以及Informix等数据库提供商提供的数据复制技术相比 ,SDPR通过数据库底层函数层可以屏蔽不同数据库产品或版本之间的差异 ,从而实现不同数据库产品和版本之间的数据复制 SDPR适用于使用多种数据库产品或版本的系统 ,如智能网系统 同时 ,SDPR系统可以处理数据拷贝图为任意拓扑结构的情况 容灾系统SDPR已经实现 。

基于UPPAAL的实时系统模型验证

UPPAAL是一种使用时间自动机模型的实时系统验证工具 ,它可以避免时间自动机求积时状态空间的爆炸。介绍了时间自动机理论和工具UPPAAL ,着重说明如何用UPPAAL进行模型检查 。

硬实时系统在强分区约束下的双层分区调度

文中研究了硬实时系统在强分区约束下的双层分区的调度问题,合理建立了强分区约束下的双层分区调度模型,给出了最坏情况下的分区任务集可调度的判定条件.同时,在此基础上,提出了与分区利用率匹配的分区设计方法,导出了该方法下的系统可调度利用率的最小上限.仿真实验表明,在严格实时的条件下,文中提出的方法相对于现有方法更具优越性,并提高了分区可调度利用率的最小上限.

分布式实时系统的容错调度算法

提出了两种分布式实时容错调度算法 :副版本后调度算法 (BKCL )及无容错需求后调度算法 (NFRL ) ,并研究了算法的时间复杂度 .这两种容错调度算法能同时调度具有容错需求的实时任务和无容错需求的实时任务 .BKCL和 NFRL所产生的调度可保证 :在分布式系统中一个节点机失效的情况下 ,具有容错需求的实时任务仍然可在截止时间内完成 .在描述了两个实时容错调度算法之后 ,分别证明了这两个算法的容错调度正确性 .接着 ,阐述了算法性能模拟方法并对 BKCL和 NFRL算法的性能进行了分析 .实验结果表明 ,两种算法在不同的负载情况下具有不同的优势 .当无容错需求的实时任务的个数远大于具有容错需求的实时任务的个数时 ,NFRL 的性能要比 BKCL的优越 ;当无容错需求的实时任务的个数远小于具有容错需求的实时任务的个数时 ,NFRL的性能比BKCL

硬实时系统中基于软件容错的动态调度算法

在硬实时系统中,由于任务超时完成将会导致灾难性后果,因而硬实时系统具有严格的时间及可靠性限制条件.目前实时容错调度算法大部分针对硬件的容错,很少考虑软件运行的故障.提出了两种类似EDF(earliest deadline first)的软件容错的动态实时调度算法:PKSA(probing K-step algorithm)和CUBA(changing utilization-based algorithm).两种算法在任务执行过程中,通过若干试探性检测步骤,提高了任务可执行性的预测,尽可能地避免了任务早期的失败对后续任务的影响,因此提高了任务的完成率,同时也有效地减少了浪费的CPU时间片数量.通过实验测试,与目前所知的同类算法相比,具有更佳的调度性能——调度成本平衡性.